🚀 面部表情识别模型

本模型是一个专注于面部表情识别的模型，它基于预训练模型进行微调，在相关数据集上取得了不错的评估结果，能有效识别多种面部表情。

🚀 快速开始

示例代码

from transformers import AutoImageProcessor, AutoModelForImageClassification, pipeline

pipe = pipeline("image-classification", model="HardlyHumans/Facial-expression-detection")

processor = AutoImageProcessor.from_pretrained("HardlyHumans/Facial-expression-detection")
model = AutoModelForImageClassification.from_pretrained("HardlyHumans/Facial-expression-detection")

labels = model.config.id2label

outputs = model(**inputs)

logits = outputs.logits
predicted_class_idx = logits.argmax(-1).item()
predicted_label = labels[predicted_class_idx]

✨ 主要特性

• 该模型是在google/vit-base-patch16-224-in21k基础上，在FER 2013和AffectNet数据集上进行微调的版本。
• 在评估集上取得了较高的准确率（0.922）和较低的损失（0.213）。
• 能够识别八种不同的面部表情，包括愤怒、轻蔑、悲伤、快乐、中性、厌恶、恐惧和惊讶。

📦 安装指南

暂未提及安装相关内容。

💻 使用示例

基础用法

from transformers import AutoImageProcessor, AutoModelForImageClassification, pipeline

pipe = pipeline("image-classification", model="HardlyHumans/Facial-expression-detection")

processor = AutoImageProcessor.from_pretrained("HardlyHumans/Facial-expression-detection")
model = AutoModelForImageClassification.from_pretrained("HardlyHumans/Facial-expression-detection")

labels = model.config.id2label

outputs = model(**inputs)

logits = outputs.logits
predicted_class_idx = logits.argmax(-1).item()
predicted_label = labels[predicted_class_idx]

📚 详细文档

模型描述

vit-face-expression模型是一个经过微调的视觉变换器模型，专门用于面部情绪识别任务。它在FER2013和AffectNet数据集上进行训练，这些数据集包含被分类为八种不同情绪的面部图像，分别为愤怒、轻蔑、悲伤、快乐、中性、厌恶、恐惧和惊讶。

模型细节

模型使用以下超参数进行微调：

模型架构和目标

暂未详细说明模型架构和目标相关内容。

🔧 技术细节

暂未提供足够的技术实现细节。

📄 许可证

本模型使用的许可证为MIT。

🌱 环境影响

使用 机器学习影响计算器 估算的净二氧化碳排放量约为8.82千克。

模型相关信息

参考信息

• 模型卡片元数据规范参考：https://github.com/huggingface/hub-docs/blob/main/modelcard.md?plain=1
• 文档/指南：https://huggingface.co/docs/hub/model-cards